La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

APRAMEN Mai 2004 SCINTIGRAPHIE CÉRÉBRALE ET FUSION DIMAGES Hôpital Pitié-Salpêtrière Service de médecine Nucléaire M.O. Habert.

Présentations similaires


Présentation au sujet: "APRAMEN Mai 2004 SCINTIGRAPHIE CÉRÉBRALE ET FUSION DIMAGES Hôpital Pitié-Salpêtrière Service de médecine Nucléaire M.O. Habert."— Transcription de la présentation:

1 APRAMEN Mai 2004 SCINTIGRAPHIE CÉRÉBRALE ET FUSION DIMAGES Hôpital Pitié-Salpêtrière Service de médecine Nucléaire M.O. Habert

2 Fusion dimages médicales DONNÉES ANATOMIQUES TDM, IRM Décision médicale Pronostic Intervention chirurgicale Radiothérapie DONNÉES FONCTIONNELLES PET, SPECT, MEG, spectroscopie RMN, IRMf

3 Fusion d images médicales : de quoi parle-t-on ? Recalage Fusion de « visualisation » Intégration de données

4 Logiciels de recalage / fusion Automated Image Registration (AIR) (Unix, Linux, ou Mac OSX) : BRAINVISA (Windows, Unix, Linux, Mac OSX) MPITOOL (Unix, Linux) Logiciels « constructeurs » ANALYSE (Unix, Linux, Windows) Station HERMES de Nuclear Diagnostics (Unix) Station SEGAMI (Windows)

5

6

7 Automated Image Registration (AIR) Calcul du ratio entre 2 deux volumes images pixel par pixel et minimisation de la variance de ce rapport - Modèles Linéaires (intra-sujet) : "Rigide" 6P " Global rescaling " 7 P " Talairach " 9 P " Affine " 12 P - Modèles non linéaires (inter- sujets) : " 1, 2, 3, 4, 5ème ordre" 30, 60, 105, 168 P

8 BrainVisa et Anatomist Logiciel dédié à limagerie cérébrale multimodalité Développé par SHFJ-CEA à Orsay et IFR 49. Plusieurs modules de traitement: Image paramétrique ROI en 2D, 3D, géométrique ou anatomiques Recalage +++ (Création de template) aMRI fMRI dMRI PE T TMS Recalage par information mutuelle: Formats: GIS, JPEG, DICOM, ECAT, SPM, VIDA. Initialisation par centre de gravité (par un seuillage) Transformations rigides (rotations et translations) SPECT recalé sur IRM Fusion dans Anatomist

9 Station HERMES : recalage par information mutuelle

10 Station SEGAMI (Mirage)

11 Localisation anatomique d une anomalie fonctionnelle Bilan préchirurgical des épilepsies O Brien TJ et al. Neurology 1998; 50: Subtraction ictal SPECT co-registered to MRI improves clinical usefulness of SPECT in localizing the surgical seizure focus. Planification de la chirurgie et radiothérapie des tumeurs cérébrales Rubinstein R. Eur J Radiol 1996; 21: Use of 201Thallium brain SPECT, image registration, and semi- quantitative analysis in the follow-up of brain tumors. Holman B.L. J Nucl Med 1991; 32: Computer-assisted superimposition of magnetic resonance and high- resolution technetium-99m-HMPAO and thallium-201 SPECT images of the brain.

12 Bilan préchirurgical des épilepsies partielles pharmaco-résistantes Recalage Normalisation Soustraction « ictal - interictal » Lissage + seuillage Fusion (visualisation) 99m Tc-ECD SISCOM = Substraction SPECT CO-registered to MRI

13 SISCOM ( Substraction SPECT CO-registered to MRI) MPITOOL + ou - AIR ANALYSE : module dédié SEGAMI et HERMES : tous les outils présents mais non regroupés dans un module PLAMAIVIC (MEDASYS) ?

14 Radiothérapie conformationnelle 3D

15 Hôpital Val de Grâce

16 Centre d anatomie cognitive Centre de Neuropsychologie Service de Neuroradiologie Laboratoire dAnatomie Urgences cérébrovasculaires Relation entre lésion et fonction

17 Données neuro-anatomiques Données neuro-psychologiques et comportementales Données neuro-fonctionnelles Démence thalamique Syndrome frontal dyséxécutif, syndrome amnésique Inertie de comportement

18 Quantification en SPECT : apport de l IRM Définition de volumes dintérêt Correction d atténuation Correction de leffet de volume partiel Meilleure quantification Problème de validation

19 Stratégie de traitement des données Quantification en SPECT : prédiction pré-clinique de la MA Recalage (IRM, TEMP) Correction Attenuation & réponse collimateur & détecteur + Reconstruction (OSEM) reconstruction (OSEM) Correction diffusion (Réseaux neuromimetiques) Création carte datténuation El Fakhri G. et al. IEEE Trans Nucl Sci 2003 e U(O+E) = e O O e

20 Quantification de la neurotransmission dopaminergique : définition des volumes dintérêt Méthodes par régions dintérêt –Manuelle –Semi-automatisée –Segmentation automatique Méthodes voxel par voxel –De type SPM

21 Recalage dun DaTSCAN peu altéré avec brainvisa/anatomist

22 14 avril 2004 Recalage sur un DaTSCAN très pathologique

23 SEGAMI Recalage automatique par information mutuelle

24 Correction de leffet de volume partiel en utilisant le recalage (SPECT, IRM) Profil observé à travers le putamen Profil théorique à travers le putamen (obtenu grâce au recalage à lIRM) Réponse impulsionelle de la gamma caméra Coefficient de recouvrement (3D)

25 Analyse voxel-par-voxel Constitution de databases Comparaison dun sujet à une database de sujets sains Comparaison de groupes => Recalage intramodalité intersujets (transformation affine ou recalage élastique)

26 Statistical Parametric Mapping Nécessite une licence MATLAB Fonctionne sous : Windows, Linux, Unix Images au format « Analyse »

27 IRM (sujet sain imagé 24 fois) Template SPECT

28 Statistical Parametric Mapping

29 BRASS (HERMES)

30 RDI : coupe

31 Exemple : ECD

32 Recalage automatique

33

34 Quantification

35 Lintégration de données INTERPRÉTATION PLUS PRÉCISE MODELISATION DES INFORMATIONS SEGMENTATION, FUSION IMAGE DE SYNTHÈSE = AGGRÉGATION D INFORMATIONS ambiguës, conflictuelles, complémentaires, redondantes

36 M. Zanca, M.I.R, Biophysique et Médecine Nucléaire, CHU Montpellier CONCORDANCE AVEC IRM Programme commercial ou « fait maison » Images brutes Images en concordance Crédit SEGAMI & P. VERA, SHFJ, CEA, ORSAY JL BERNON & M ZANCA, MDS & CHU MONTPELLIER Superposition visuelle Simple alternance des pixels (ici), ou séparation des composantes colorées JL BERNON & M ZANCA, MDS & CHU MONTPELLIER Images fusionnées (logique non floue)

37 Barra V. et al. Neuroimage : A general framework for the fusion of anatomical and functional medical images

38 Clare M. C. JAMA. 2001;285: Advances in Biomedical Imaging

39 Fusion d images : obstacles et difficultés Transferts, formats d image, réseaux Volume d images à traiter Temps utilisateurs Précision du recalage Algorithmes disponibles et validés Coût

40 Fusion d images : en conclusion Détection plus efficace d anomalies fonctionnelles Meilleure compréhension des relations physio-pathologiques entre lésion et fonction Aide à l interprétation des lésions structurelles ambiguës ou non spécifiques Aide à la prise de décisions thérapeutiques importantes Analyse quantitative


Télécharger ppt "APRAMEN Mai 2004 SCINTIGRAPHIE CÉRÉBRALE ET FUSION DIMAGES Hôpital Pitié-Salpêtrière Service de médecine Nucléaire M.O. Habert."

Présentations similaires


Annonces Google